CN111738877A - 数据处理方法及装置、电子设备、以及介质 - Google Patents

Abstract

本公开提供了一种数据处理方法。该数据处理方法包括获取房屋的户型结构数据，获取与所述户型结构数据相匹配的室内装修搭配数据，将所述户型结构数据与所述室内装修搭配数据进行数据融合，以得到所述房屋的三维装修效果图像，以及展示所述三维装修效果图像。本公开还提供了一种数据处理装置、电子设备以及介质。

Description

数据处理方法及装置、电子设备、以及介质

技术领域

本公开涉及互联网技术领域，更具体地，涉及一种数据处理方法及装置、电子设备、以及介质。

背景技术

传统的房屋装修方案或者房屋内部搭配方案需要专业的制作团队来人工制作，或者需要用户基于自己的想象去实际实施。依赖专业的制作团队人工制作需要耗费大量时间和人力成本，同时也需要较大的花费。依赖自己想象，在实施过程中进行调整的方式也会浪费大量的时间和人力成本。并且，无论是依赖专业团队还是用户自己想象，当装修后发现不满足要求时还需要进行反复调整。可见，现有技术在进行房屋装修时，往往无法在实际装修施工前向用户展示装修的真实效果，往往导致装修后的实际效果与用户的真实需求之间存在偏差，用户体验不佳。

发明内容

有鉴于此，本公开提供了一种可以在实际装修施工前向用户展示三维的装修效果的用于房屋装修的数据处理方法及装置、电子设备以及介质。

本公开的一个方面，提供了一种数据处理方法。所述数据处理方法包括获取房屋的户型结构数据，获取与所述户型结构数据相匹配的室内装修搭配数据，将所述户型结构数据与所述室内装修搭配数据进行数据融合，以得到所述房屋的三维装修效果图像，以及展示所述三维装修效果图像。

根据本公开的实施例，所述获取房屋的户型结构数据，包括获取所述房屋的户型结构图，以及识别所述户型结构图，以得到所述户型结构数据。

根据本公开的实施例，所述识别所述户型结构图包括：通过至少一个第二户型结构图训练机器学习模型，以使所述机器学习模型识别所述至少一个第二户型结构图中每个第二户型结构图中的户型结构数据；以及利用所述机器学习模型来识别所述户型结构图。

根据本公开的实施例，所述展示所述三维装修效果图像，包括通过增强现实渲染来展示所述三维装修效果图。

根据本公开的实施例，所述方法还包括：确定用户在所述三维装修效果图中选择的至少一个对象；以及展示所述至少一个对象的购买途径信息。

本公开的另一方面提供了一种数据处理装置。所述装置包括第一获取模块、第二获取模块、处理模块以及第一展示模块。所述第一获取模块用于获取房屋的户型结构数据，所述户型结构数据包括所述房屋内部的至少一个房间的布局数据、和/或表征所述至少一个房间的用途的数据。所述第二获取模块用于获取与所述户型结构数据相匹配的室内装修搭配数据。所述处理模块用于将所述户型结构数据与所述室内装修搭配数据进行数据融合，以得到所述房屋的三维装修效果图像。所述第一展示模块用于展示所述三维装修效果图像。

根据本公开的实施例，所述第一获取模块包括结构图获取子模块以及识别子模块。所述结构图获取子模块用于获取所述房屋的户型结构图。所述识别子模块用于识别所述户型结构图，以得到所述户型结构数据。

根据本公开的实施例，所述识别子模块包括机器训练单元以及识别单元。所述机器训练单元用于通过至少一个第二户型结构图训练机器学习模型，以使所述机器学习模型识别所述至少一个第二户型结构图中每个第二户型结构图中的户型结构数据。所述识别单元用于利用所述机器学习模型来识别所述户型结构图。

根据本公开的实施例，所述第一展示模块具体用于通过增强现实渲染来展示所述三维装修效果图。

根据本公开的实施例，所述装置还包括交互模块以及第二展示模块。所述交互模块用于确定用户在所述三维装修效果图中选择的至少一个对象。所述第二展示模块，用于展示所述至少一个对象的购买途径信息。

本公开的另一方面，提供了一种电子设备。所述电子设备包括一个或多个存储器以及一个或多个处理器。所述一个或多个存储器存储有可执行指令。所述一个或多个处理器执行所述可执行指令，以实现如上所述的方法。

本公开的另一方面，提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行如上所述的方法。

本公开的另一方面，提供了一种计算机程序，所述计算机程序包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。

根据本公开的实施例，可以在实际的装修实施之前，根据户型结构数据和对应的室内装修搭配数据的融合得到三维的装修效果，并向用户展示该三维的装修效果画面，从而提供给用户更为逼真的感受，可以至少部分地减小装修后的实际效果与用户的真实需求之间存在的偏差，提高用户体验。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的数据处理方法及装置的应用场景；

图2A示意性示出了根据本公开实施例的数据处理方法的流程图；

图2B示意性示出了根据本公开实施例的数据处理方法的实现情景；

图3示意性示出了根据本公开实施例的数据处理方法中获取户型结构数据的流程图；

图4示意性示出了根据本公开实施例的数据处理方法中识别户型结构图的流程图；

图5示意性示出了根据本公开另一实施例的数据处理方法的流程图；

图6示意性示出了根据本公开实施例的数据处理装置的方框图；以及

图7示意性示出了根据本公开实施例的适于实现数据处理的电子设备的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

本公开的实施例提供了一种数据处理方法及装置、电子设备以及介质。该数据处理方法包括获取房屋的户型结构数据，获取与该户型结构数据相匹配的室内装修搭配数据，将该户型结构数据与室内装修搭配数据进行数据融合，以得到房屋的三维装修效果图像，以及展示该三维装修效果图像。

根据本公开的实施例，可以在实际的装修实施之前，根据户型结构数据和室内装修搭配数据的融合得到三维的装修效果并进行展示，提供给用户关于装修效果更为逼真的感受，可以至少部分地减小装修后的实际效果与用户的真实需求之间存在的偏差，提到用户体验。

图1示意性示出了根据本公开实施例的数据处理方法及装置的应用场景100。需要注意的是，图1所示仅为可以应用本公开实施例的应用场景的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的应用场景100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。根据本公开的一些实施例，终端设备101、102、103也可以包括增强现实(AR，Activity Reality)设备等，例如AR眼镜或者具有AR投影功能的手机终端等。用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用，例如摄像应用、图像扫描应用、或者图像识别应用等。例如，用户可以通过终端设备101、102、103的图像扫描应用扫描二维的户型结构图，并通过网络104上传至服务器105。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所上传的二维的户型结构图进行识别处理的后台管理服务器(仅为示例)。该后台管理服务器还可以将处理得到的数据反馈给终端设备101、102、103以展示给用户。根据本公开的一些实施例，当终端设备101、102、103包括增强现实设备时，后台管理服务器可以将处理得到数据反馈给该增强现实设备，使该增强现实设备通过增强现实渲染来展示三维装修效果图像，从而提供给用户关于装修效果更为逼真的感受。

需要说明的是，本公开实施例所提供的数据处理方法一般可以由服务器105执行；相应地，本公开实施例所提供的数据处理装置一般可以设置于服务器105中。或者，本公开实施例所提供的数据处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行；相应地，本公开实施例所提供的数据处理装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。或者，本公开实施例所提供的数据处理方法也可以部分由服务器105执行，部分由终端设备101、102、103执行；相应的，本公开实施例所提供的数据处理装置也可以部分设置于服务器105中，部分设置于终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

图2A示意性示出了根据本公开实施例的数据处理方法的流程图。图2B示意性示出了根据本公开实施例的数据处理方法的实现情景。

结合图2A和图2B，根据公开实施例的数据处理方法可以包括操作S210～操作S240。

在操作S210，获取房屋的户型结构数据。该户型结构数据包括房屋内部的至少一个房间的布局数据和/或表征该至少一个房间的用途的数据。例如，该户型结构数据可以包括房屋是几室几厅，或者房屋中的卧室、客厅、厨房以及卫生间的布局，或者房屋中各个房间在俯视平面图中的形状或面积，或者房屋中各个房间中的门、墙或窗的位置等等。

根据本公开的一些实施例，操作S210中可以通过终端设备101、102、103来扫描二维的户型结构图201(例如，通过终端设备101、102、103的摄像头拍照扫描)，然后通过服务器105对该二维的户型结构图201进行识别来获取房屋的户型结构数据。根据本公开的一个实施例，服务器105可以提供识别该二维的户型结构图201的机器学习模行，其识别过程可以参考下文关于图3和/或图4的描述。根据本公开的另一些实施例，操作S210中也可以从云端下载二维的户型结构图201。根据本公开的再一些实施例，操作S210中可以通过外部输入设备输入户型结构数据，例如用户手动收入户型结构数据。

在操作S220，获取与该户型结构数据相匹配的室内装修搭配数据。例如参考图2B可以建立装修方案数据仓库202，该装修方案数据仓库202中可以存储大量的室内装修搭配数据，还可以存储不同户型结构与室内装修搭配数据之间的匹配关系。更进一步地，装修方案数据仓库202中的数据可以持续不断更新。例如，可以在该数据仓库中不断添加新的室内装修搭配数据，或者可以基于实际运行中用户所选择确定的装修方案来更新不同户型结构与室内装修搭配数据之间的匹配关系。根据本公开的一些实施例，可以基于内容的推荐算法来推荐与操作S210中获取的户型结构数据相匹配的室内装修搭配数据。

在操作S230，将该户型结构数据与相匹配的该室内装修搭配数据进行数据融合，以得到房屋的三维装修效果图像。

在操作S240，展示该三维装修效果图像。根据本公开的实施例，可以通过增强现实AR(Activity Reality)渲染来展示该三维装修效果图。

具体地，例如可以在AR渲染之前将墙体、门、窗等基础构件做成3D构件模型，并预置或者通过网络等方式下载到AR眼镜203(参考图2B)中。然后，AR眼镜203可以基于户型结构数据与该室内装修搭配数据中涉及的3D构件模型对该三维装修效果进行渲染展示。这样，用户可以通过AR眼镜203感知到与现实世界的整合后的三维装修效果，从而带来更加立体、真实的体验。

根据本公开的一些实施例，在通过增强现实AR(Activity Reality)渲染来展示三维装修效果图时，如果供AR投影展示的空间较小，则展示的三维装修效果可以是基于实际装修效果的沙盘图，以得到实际装修三维装修效果的缩影；或者，如果AR渲染后虚拟物体的可展示空间足够大时，例如就在要装修的房间里时，可以按照实际尺寸展示三维装修图景，给用户真实的体验。

图3示意性示出了根据本公开实施例的数据处理方法中操作S210获取户型结构数据的流程图。

如图3所示，根据本公开的实施例操作S210可以包括操作S211和操作S212。其中，在操作S211，获取房屋的户型结构图。在操作S212，识别该户型结构图，以得到该户型结构数据。根据本公开的实施例，该户型结构图可以是二维图像，通过对二维的户型结构图的识别可以快速获取到房屋的户型结构数据。

图4示意性示出了根据本公开实施例的数据处理方法中操作S212识别户型结构图的流程图。

如图4所示，根据本公开的实施例，操作S212可以包括操作S401和操作S402。其中，首先在操作S401，通过至少一个第二户型结构图训练机器学习模型，以使该机器学习模型识别该至少一个第二户型结构图中每个第二户型结构图中的户型结构数据。然后在操作S402，利用机器学习模型来识别该户型结构图。需要说明的是，在本文中为描述清楚起见，第二户型结构图特指训练机器学习模型的过程中所使用的户型结构图。

根据本公开的实施例，可以通过大量的第二户型结构图训练机器学习模型，使机器学习模型学习到户型结构图中所包含的户型结构数据。从而，可以利用机器学习模型快速识别出户型结构图中的户型结构数据。

图5示意性示出了根据本公开另一实施例的数据处理方法的流程图。

如图5所示，根据本公开实施例该数据处理方法除了操作S210～操作S240以外，还可以包括操作S550和操作S560。其中，在操作S550，确定用户在三维装修效果图中选择的至少一个对象。在操作S560，展示该至少一个对象的购买途径信息。根据本公开实施例，可以在展示三维装修效果图像时，根据用户对某个装修用单品或者整体装修方案的选择，向用户展示所选择的对象的购买途径信息(例如，购买链接)，给用户对中意的装修用设备的购买提供极大的便利。

图6示意性示出了根据本公开实施例的数据处理装置600的方框图。

如图6所示，该数据处理装置600包括第一获取模块610、第二获取模块620、处理模块630以及第一展示模块640。根据本公开的另一实施例，该装置600还可以包括交互模块650以及第二展示模块660。装置600可以用于执行参考图2A～图5所描述的数据处理方法。

第一获取模块610例如可以执行操作S210，用于获取房屋的户型结构数据，该户型结构数据包括房屋内部的至少一个房间的布局数据、和/或表征至少一个房间的用途的数据。根据本公开的实施例，第一展示模块610具体用于通过增强现实渲染来展示三维装修效果图。

第二获取模块620例如可以执行操作S220，用于获取与户型结构数据相匹配的室内装修搭配数据。

处理模块630例如可以执行操作S230，用于将户型结构数据与室内装修搭配数据进行数据融合，以得到房屋的三维装修效果图像。

第一展示模块640例如可以执行操作S240，用于展示该三维装修效果图像。

交互模块650例如可以执行操作S550，用于确定用户在该三维装修效果图中选择的至少一个对象。

第二展示模块660例如可以执行操作S560，用于展示该至少一个对象的购买途径信息。

根据本公开的实施例，第一获取模610包括结构图获取子模块611以及识别子模块612。结构图获取子模块611例如执行操作S211，用于获取房屋的户型结构图。识别子模块612例如可以执行操作S212，用于识别户型结构图，以得到该户型结构数据。

根据本公开的实施例，识别子模块612包括机器训练单元6121以及识别单元6122。机器训练单元6121例如可以执行操作S401，用于通过至少一个第二户型结构图训练机器学习模型，以使机器学习模型识别该至少一个第二户型结构图中每个第二户型结构图中的户型结构数据。识别单元6122例如可以执行操作S402，用于利用该机器学习模型来识别该户型结构图。

根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

例如，第一获取模块610、第二获取模块620、处理模块630、第一展示模块640、交互模块650、第二展示模块660、结构图获取子模块611、识别子模块612、机器训练单元6121以及识别单元6122中的任意多个可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，第一获取模块610、第二获取模块620、处理模块630、第一展示模块640、交互模块650、第二展示模块660、结构图获取子模块611、识别子模块612、机器训练单元6121以及识别单元6122中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一获取模块610、第二获取模块620、处理模块630、第一展示模块640、交互模块650、第二展示模块660、结构图获取子模块611、识别子模块612、机器训练单元6121以及识别单元6122中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图7示意性示出了根据本公开实施例的适于实现数据处理的电子设备的方框图。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，根据本公开实施例的电子设备700包括处理器701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。处理器701例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器701还可以包括用于缓存用途的板载存储器。处理器701可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 703中，存储有电子设备700操作所需的各种程序和数据。处理器701、ROM702以及RAM 703通过总线704彼此相连。处理器701通过执行ROM 702和/或RAM 703中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 702和RAM 703以外的一个或多个存储器中。处理器701也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备700还可以包括输入/输出(I/O)接口705，输入/输出(I/O)接口705也连接至总线704。系统700还可以包括连接至I/O接口705的以下部件中的一项或多项：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被处理器701执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的数据处理方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 702和/或RAM 703和/或ROM 702和RAM 703以外的一个或多个存储器。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (12)

1.一种数据处理方法，包括：

获取房屋的户型结构数据；

获取与所述户型结构数据相匹配的室内装修搭配数据；

将所述户型结构数据与所述室内装修搭配数据进行数据融合，以得到所述房屋的三维装修效果图像；以及

展示所述三维装修效果图像。

2.根据权利要求1所述的方法，其中，所述获取房屋的户型结构数据包括：

获取所述房屋的户型结构图；以及

识别所述户型结构图，以得到所述户型结构数据。

3.根据权利要求2所述的方法，其中，所述识别所述户型结构图包括：

通过至少一个第二户型结构图训练机器学习模型，以使所述机器学习模型识别所述至少一个第二户型结构图中每个第二户型结构图中的户型结构数据；以及

利用所述机器学习模型来识别所述户型结构图。

4.根据权利要求1所述的方法，其中，所述展示所述三维装修效果图像包括：

通过增强现实渲染来展示所述三维装修效果图。

5.根据权利要求1所述的方法，其中，所述方法还包括：

确定用户在所述三维装修效果图中选择的至少一个对象；以及

展示所述至少一个对象的购买途径信息。

6.一种数据处理装置，包括：

第一获取模块，用于获取房屋的户型结构数据，所述户型结构数据包括所述房屋内部的至少一个房间的布局数据、和/或表征所述至少一个房间的用途的数据；

第二获取模块，用于获取与所述户型结构数据相匹配的室内装修搭配数据；以及

处理模块，用于将所述户型结构数据与所述室内装修搭配数据进行数据融合，以得到所述房屋的三维装修效果图像；以及

第一展示模块，用于展示所述三维装修效果图像。

7.根据权利要求6所述的装置，其中，所述第一获取模块包括：

结构图获取子模块，获取所述房屋的户型结构图；以及

识别子模块，用于识别所述户型结构图，以得到所述户型结构数据。

8.根据权利要求7所述的装置，其中，所述识别子模块包括：

机器训练单元，用于通过至少一个第二户型结构图训练机器学习模型，以使所述机器学习模型识别所述至少一个第二户型结构图中每个第二户型结构图中的户型结构数据；以及

识别单元，用于利用所述机器学习模型来识别所述户型结构图。

9.根据权利要求6所述的装置，其中，所述第一展示模块具体用于：

通过增强现实渲染来展示所述三维装修效果图。

10.根据权利要求6所述的装置，其中，所述装置还包括：

交互模块，用于确定用户在所述三维装修效果图中选择的至少一个对象；以及

第二展示模块，用于展示所述至少一个对象的购买途径信息。

11.一种电子设备，包括：

一个或多个存储器，存储有可执行指令；以及

一个或多个处理器，执行所述可执行指令，以实现根据权利要求1～5中任一项所述的方法。

12.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～5中任一项所述的方法。

Images